写代码的 Agent 越来越多，Cursor、Claude Code、Codex、Droid、OpenCode、Pi 一个接一个冒出来，各家订阅的用量档位和计费方式又各不相同。真正的问题是：这些 harness 到底差在哪，又该在什么时候切到哪一个？
0xSero 给出的答案很直接。他把 Antigravity 评为 F 级，说它是市面上最差的智能体外壳；把 Pi 评为架构上最好的 harness，因为它的上下文窗口开头只有五千个 Token，比 Claude Code 小十倍；唯一的 S 级是 DeepSea Harness。他自己拿到任何一台新电脑，第一件事就是装 OpenCode——因为它自带一个免费的中档开放权重模型，可以立刻把 Tailscale、SSH 这些配好。
0xSero 是 YouTube 频道 @0xSero 的主播，独立 AI 开发者，公司 Sybil Solutions，GitHub 和 HuggingFace 同名账号，做过 TurboQuant 和把手机接入各类 harness 的 Kittylitter。他在 4 张 RTX PRO 6000 和几台 DGX Spark 上跑 GLM-5.3、DeepSeek-V4.1 和 Step 5 的量化版。这场对话从 harness 分级讲起，延伸到模型编排、本地推理的成本、机器人，以及普通人怎么迈过 Agent 的入门门槛。他的主要观点包括：
要不要上前沿模型，看任务复杂度和谁会来验收。 0xSero 说自己遇到特别复杂的事，就让 Claude 或 Codex 去驱动本地模型，干搜索、收集上下文、写文档这些又贵又慢的活，凡是对研究没有直接影响的都甩出去。他举的例子是 DeepSeek 4.1 Flash 的卸载，DeepSeek 和 Claude 一起做，主要活是 Claude 干的。
Codex 的 goals 上线，让他的产出直接起飞。 他把 Codex 评为 A 级，最主要的原因是它更精确、更听指令，而且 goals 和浏览器操作、电脑操作都是它第一个做的。他说 goals 一上线，自己从那种好几天什么都不干，变成基本没有废日子，可以排一个 goal 去做研究、写代码、剪视频。副作用是它当前这批模型不好用，交互不愉快。
Pi 的上下文窗口小，跑本地模型最好用。 他说 Pi 从架构上看是市面上最好的 harness，很小，代码干净到没读过代码的人也能看懂，分层搭起来，AI 对接各家 API、agent 跑循环、coding agent 包在外面，每一层都能单独用。开一个会话时上下文窗口开头只有五千个 Token，比 Claude Code 小十倍，缓存命中率是最高的之一。
Antigravity 是 F 级，除非你能白嫖推理。 他在发布第一周试了 Antigravity，之后几周又试，结论是绝对的 F 级、市面上最差的智能体外壳，Gemini CLI 也一样。除非你能白嫖推理，那也许能给个 D，因为它确实免费给推理，但除了这个还不如直接用 OpenCode。他的原话是这东西又慢又有 bug。
Droid 的用量档位，是月付两百换五百的用量。 他在讲 Droid 时提到，一个月付两百美元，拿到的是相当于一个月五百的前沿模型用量，开放权重模型基本随便用。他紧接着自己声明「这话别拿去当准数」，只是他个人的理解。他也说 Droid 当初做过很多第一，但现在因为稳定性只能给 B 级。
自动化和循环才是本地推理最主要的价值。 他说 DGX Spark 上跑的 Step 5 挺慢的，因为还没优化。他的建议是硬件不管是什么，跑得慢就放到晚上用 goals 和 loops 跑，如果想用 Codex 跑一整天的 goals，开销涨得飞快，可能得开六个订阅。
Agent 的入门问题是接下来最该解决的。 他说现在 AI 有十亿用户甚至更多，但真正用过 Agent 的只有两千五百万到三千万人，而普通人自己也不知道该怎么做，不是每个人都学过计算机。他还提到公司现在在硬件上吃紧主要是因为 Agent 而不是 AI，AI 本身挺便宜，跑 goals、子代理和群体协作时服务器才扛不住。
从S级到F级：我的harness分级榜
0xSero：哦，漏了 Antigravity。抱歉，Antigravity 是 F 级。除非你是白嫖的，那就算了，那样的话我觉得还行。DeepSea Harness 是 S 级。不知道你们有多少人用过 DeepSea Harness，但它的设计真的不可思议，而且非常简单。你可以把所有的连接都接进去，你的 agent、你的模型、不同的订阅。而且它的缓存命中率特别高。
听众A：我印象里你最后说的是，做探索性的工作，或者那种需求还不太明确的事情，你还是会用前沿模型。
0xSero：还是看任务的复杂度和谁会去看它、谁会跟它交互。我上我的 GitHub 给你看个例子。这个 DeepSeek 4.1 Flash 的卸载就是 DeepSeek 和 Claude 一起做的，主要是 Claude 干的。所以遇到特别复杂的事情，我会让 Claude 或者 Codex 去驱动本地模型，干那些又贵又慢的活，比如搜索、收集上下文、写文档。凡是跟研究没有直接影响的事，都甩给它们。而且它们现在基本自己就干了，我都不用说，因为我机器上这套东西已经搭了挺久。说白了它们在给自己搭工作环境，我只是在旁边拨方向。
不过这个，希望没事，哎这是 Astra High，太惨了，我这周的额度刚用完了。但你能看到它在跟 agent 实时交互。我觉得这点特别重要，因为要干的活太多了，能让它们把活拆开、每个任务用最合适的模型，帮助非常大。好，还有别的问题吗？
听众A：你在用什么模型编排器吗，比如 Paperclip 之类的？
0xSero：没有。
听众A：我是说，harness 的编排器？
0xSero：都不用，纯手动。你有把功能需求这些的人类访谈流程标准化吗？
0xSero：好问题，我想想。我觉得某种程度上算有吧，不算完全。我让它们做成表单来收集信息、做原型图，然后我提前过一遍，这套我搞了很久了。它是个持续改进的过程，每次跟模型交互，我都让它们把自己的流程改进一点，这样它们更好管。
像这个是用来从一堆内容里提取内容的，这只是个例子，别的事我也这么干。我会丢给它一本书，说这部分我不关心，我现在想读这部分，或者我想聚焦这一块，让它去算数字。这种事，连 Qwen 都做得很好。我再给你看看图书馆那个版本。我让一个本地 GLM 实例做了个网站，里面有全美每一家图书馆的联系方式和我可能需要的所有信息。它在一个目标循环里跑了三天。走起，地图在这儿，联系人、资助方、百科，每个城市全都列出来了。它能做到这个，真的很酷。至于这有没有经济价值，我不知道，但好玩。我不会，好像有点卡。
听众A：你声音有点断断续续的。
0xSero：哦抱歉。我说的是，我不知道这有没有经济价值，但对我很有用，也很酷。我本来想说不会，算了。我想顺便聊聊 harness，因为我这段时间一直在用它们，在各个 harness 之间跳来跳去跳了好几个月。我早就说要做个分级榜单了。我去，少了几个。我直接给你吧。不对，其实它有 Amp，对，有 Amp。哎，怎么了？
听众B：我那个 RTX Pro 的问题还在。我在 Discord 里发了消息，你能看一下，然后回答我
0xSero：的问题吗？你的问题我待会儿答吧，也许你私信我或者发到论坛更好，如果你还没发的话，因为我得想想。好。
不知道你们有多少人，你们可以在评论区说说你们主要用什么，Claude Code、Codex 之类，直接写出来就行。Antigravity 漏了，抱歉，Antigravity 是 F 级，除非你是白嫖的，那就算了。把 Antigravity 加到榜单里。我看看大家还在用什么。哦 Grok build，Grok build 那个。Grok 的 logo 你网上找一下就有。好，这些都没问题，这个是本地的。对，这就对了。
不知道你们有多少人听说过 Step 5 这个新模型。它发布了一天，Step 5，然后又被撤回去了。但网上还有，有人在下架之前把它克隆了。它在一堆测试上表现很好。Artificial Analysis 应该也有它的评测。我看看。对，Step 5 preview 现在是第四好的开放权重模型。我记得 Kimi K3，Kimi 在哪？对，已经加进去了，但我看不到。哇，Kimi K3。它基本跟 Kimi K3 打平，比 GLM 好，我觉得。GLM 5.3，不，它比 GLM 5.3 稍差一点。但重点是，这是个相当不错的模型。我下载了，量化到 4 bit，想试试看它表现怎么样。那玩意跑哪去了？算了，不管了。
0xSero：我要你完全在浏览器里做一个 3D 冲浪游戏。浪必须非常真实。要有计分系统、鲨鱼、能跟不同玩家比赛。操作手感要非常跟手。用 three.js 或者你自己最顺手的，做完直接在浏览器里打开。对真实冲浪的还原度必须高。你可以搜一下冲浪的图片，可能有帮助。好，做吧，做完用 Brave 打开。
这个我挺期待的，因为跟现在这些新模型比，它体量算不小了，我觉得它会成为大多数人能用上的最聪明的模型。好。我不同意说 Step 系列不行，在我眼里它们挺好的，而且跟别家的东西比很有自己的特点。训练数据看起来，它们生成的 UI、生成的应用，都很独特。3.5 出来有一阵了，我想赶紧给你看个例子，就是模型之间的差异。模型越多越好，哪怕它只在某个具体事情上强一点点，那也够了，切过去把事办了就行。对，我觉得这是个好模型。
听众A：我觉得问题在于切换模型的速度，加载要等一会儿。
0xSero：这可能是个问题，不过这些问题都很好解决。它现在跑在四台英伟达 DGX Spark 上，挺慢的，但再说一遍，这东西还没公开发布，我只是在调量化，我觉得单次会话速度也许能提两到三倍。但它现在确实在干活，在推理。对，我没试那个。
不过我看到 Codex，我就从最上面开始说吧。我觉得 Codex 是个很棒的 harness，A 级。我就直接给你们拆一下我对这些 harness 的看法。你们有什么问题，或者 Hermes 也在，就在这儿。有问题直接发。我从 Cursor 开始的，那是我第一个基本上每天都用的 harness。好，现在全在这儿了。对，Cursor 我用得很多，就从它讲起。Cursor 在哪？在这儿。
Cursor 刚出来的时候，所有人都在那儿。上面跑的是 Claude Sonnet 3.5 还是什么，现在他们叫 3.6 了，但当时就是 3.5。基本上等于免费，一个月二十美元随便用。它们主要做文件级编辑，你打开一个文件干活，然后可以就这个文件跟模型聊天，这挺有用的。我当时用得很凶，也是它把我带进这个圈子的。后来他们改了订阅档位，因为所有人都在狂刷 Sonnet，计费就改成按用量付费了。
0xSero：以前那种随便用都行的订阅制，后来没了。现在新的 Cursor，就是那个 App，我感觉是跟着 Codex 和 Claude Code 的桌面版走的路子。所以它越来越不像 IDE，更像一个 ADE，智能体开发环境，你开的是一堆会话。我自己是各个 harness 之间来回跳，我会腻，我觉得自己像只仓鼠，不给我换个笼子我就不高兴。
在我看来它做得特别好的一点，是所有的连接，就是它连各种服务器的方式。你要是有好几台电脑，可以全连起来，跑得特别顺。模型这块，Grok 你能用出很多量来，Grok 和 composer 都挺便宜，跟单独买一堆东西再配个 Codex 订阅比，我觉得 Cursor 现在更划算。几周前我给的评级还更低，现在它变好太多了。等一下。
然后我换到了 Claude Code。Claude Code 是去年二月，二零二五年二月出来的，那会儿正好是 Cursor 在改计费的时候。他们改计费就是因为 Anthropic 花掉了他们大部分的钱，他们在补贴那些用量。对，Claude Code 就是那年二月发布的，大概一个月之后，所有人都在用了。虽然之前也有别的，但它是第一个真正变成主流的，你在终端里跟 agent 对话。它经历过好几个阶段，有时候输出一堆垃圾，然后又变好。
我要你在浏览器里做一个 3D 冲浪游戏，用 three.js，做得超级真实，放开手脚做，做完了用 Brave 打开。这个 harness 现在好的一点是，goals 和 loops 跑得特别好。他们做了定时发消息，你可以给 agent 定时发消息。在我看来这是管理多个 agent 最好的办法，你就是按某种时间表互相发消息。现在的模型，Opus 4.5 是我用过最好的，内核相关的东西它太强了。我想给你们看看我的 GitHub。这就是我用 Opus 4.5 时候的巅峰，很多人也一样。你能看到它一出来我的开发量就上去了，我开始推更多代码，更频繁地用不同语言写东西。这个模型在可信度上非常高，就是说。
Claude Code与Codex：A级和它带来的产能跃升
0xSero：你可以信它能把事做好，它不会搞坏你的机器，至少到目前为止我个人的经验是这样。我可以给它特别大的任务，它就一路干下去，直到把事情做完，所以我用得挺爽。它是A级。它的垃圾输出还是太多，也太贵。Opus 4.5发布之后，各方面都好多了，我用它的频率高了很多。Claude Code之后，我进了Codex。
0xSero：Codex是下一个。我用Codex最主要的原因，是它更精确，更听指令。而且goals这套东西是他们第一个做的。goals一出来，我的产出直接起飞。我也可以给你们看，这就是goals上线的时候，你能看到我从那种好几天什么都不干，变成基本没有废日子，因为我可以直接排一个goal上去做研究、写代码、帮我剪视频，全都能跑。
它也是第一个做浏览器操作和电脑操作的，因为它是在后台做的。你可以给它指令，比如说“帮我报税”，然后你还能继续用你的电脑，它同时在推进，真的在帮你提交东西。现在的问题是他们当前这批模型，在我看来，我知道它们很聪明，显然极其聪明，但不好用，跟它交互就是不愉快。
这之后我进了Droid。这个挺难评的，一年前我会说这是最好的harness，现在我会说它在B级，主要问题是它在很多事上都是第一个做的。missions特别棒，可以在同一个harness里跑不同厂商的多个模型。还有wiki那个东西，factory wiki，你在任何仓库里打斜杠wiki，它就会去写文档，写得真的很好，你还能把这些文档全连起来。他们现在的用量档位挺有意思，基本就是你一个月付两百，拿到他们说、我认为相当于一个月五百的前沿模型用量，然后开放权重模型基本随便用。这话别拿去当准数，但我觉得大概是这个意思，我就是这么理解的。
下一个是OpenCode，这个东西挺有意思。你们还有多少人在用OpenCode？
听众C：我还在用OpenCode。
0xSero：你喜欢它吗？
听众C：我一直在用，到现在也还在用，我觉得很棒。
0xSero：好，我还没试过。
听众C：我也还没试过Oh My Pi，我现在正在下。
0xSero：OpenCode是我拿到任何一台电脑第一个装的东西，因为它自带一个免费模型。我不用登录任何东西，直接点下载，下App或者终端版，我就能拿到一个中档的开放权重模型，然后这个开放权重模型就能帮我把机器配好。
0xSero：所以我在任何机器上第一件事就是装OpenCode，这样我就能免费又即时地把Tailscale、SSH这些新机器上该配的东西全配好，这一点太有用了。我觉得它的模型性能不算顶级。我也很喜欢它的界面，界面很棒，但它那套连接和鉴权的方式是所有harness里最好的：你随便填个东西，它要么让你走OAuth，要么让你给个API key。所以我给B。
还有，他们是第一个做服务端客户端架构的，这个很牛。你跑OpenCode的时候它做两件事，启动TUI，也就是终端界面，然后在某个端口上再起一个服务端。你可以把TUI关掉而不关服务端，还可以同时跑多个服务端，这样你就能搞多智能体编排，挺好玩。我觉得他们做了很多很酷的东西，就是得把工具调用做好。在OpenCode上我遇到过一些别的agent没出现过的可靠性问题。
Pi：架构最干净的harness
听众A：下一个问题，也许可以做成一张表，列出来每个 harness 最擅长什么，这样也许就能合并一下。
0xSero：对，我完全可以把这段录音直接变成内容，做一份它们各自擅长什么的分析。但我同意，我觉得需要大量合并，现在太乱了。
我想说说 Pi。这是我最喜欢的 harness，从架构角度看它是市面上最好的。如果你想基于 harness 做东西，Pi 就是那个起点。
它很小，代码特别干净、特别好懂。哪怕你以前从来没读过代码，我觉得你也能读得懂 Pi。这是我教别人时第一个拿出来的东西。我每次在线下做活动，教大家怎么做 AI 开发，第一件事就是给他们看 Pi 的代码库，然后跟他们聊。这个我们其实可以稍微展开讲讲。
它最好的地方就是分层。AI 是它的核心，专门负责对接所有不同的提供方，因为你有 OpenAI 标准 API、responses API、messages，还有 Google 那套东西。这些标准和要求都不一样，总得有个东西在中间做翻译，才能跑出多智能体的会话。Pi 是做这件事做得最好的。然后外面包一层 agent，agent 就是那个智能体循环，就是那个一直跑、跑到模型输出结束 token 为止的 for 循环。再外面 coding agent 包住 agent。所以你能看出来它是分层搭起来的，每一层你都可以单独拿来用，不想全盘接收就不用。我自己试过做自己的外壳，不是动核心，是 UI 那层，但我现在不想再做外壳了，没这个必要。我们手头现在这些东西其实已经挺好了。所以我推荐 Pi。
我觉得 Pi 也是跑本地模型最好的选择，因为它的上下文很小。你开一个会话的时候，我们看这边——它能跑吗？能，你看是百分之一点七。整个上下文、上下文窗口的开头只有五千个 token，比 Claude Code 小十倍。你可以想象一下这在多轮之后会滚成什么样：跑十几个 prompt，或者用 Claude Code 跑二十来个 prompt，你已经烧掉上百万的缓存输入 token 了。可能听起来不多，但累积起来很吓人，而且这还只是系统提示词。Pi 的缓存命中率是最高的，也说不定是 DeepSea Harness，等下会讲到。
还有什么呢，Antigravity 我在它发布第一周就试了，之后几周又试了。绝对的 F 级，市面上最差的智能体外壳，还有 Gemini CLI。除非你能白嫖推理，那也许能给个 D，因为它确实免费给推理。但除了这个，你还不如直接用 OpenCode。我觉得这东西简直是个怪物，就是烂，又慢又有 bug。
然后是 Oh My Pi。Oh My Pi 基本上就是 Pi，只不过加了一大堆别的东西进去。我们看这边。顺便我也想看看这个。来了，它正在搭东西。这要跑很久，我看得出来它一秒十七个 token，太难受了。行吧。总之 OMP 做的事就是，你可以把所有不同的订阅都接进来，本地模型、远程模型，什么都行。然后你有这一堆东西可以选，比如 Opus 当主模型，然后 GLM 当审阅的。
0xSero：然后你还可以设一个所谓的顾问角色，因为本地模型跑起来往往显得很蠢。你可以打开这个顾问模式，让 GPT Astra 或者 Sol 这样的模型去读主模型在会话里发生的所有事。主模型一跑偏，它就发消息把它拉回来；或者它忘了交付某样东西，它就拦住它、拉回来。
我说一句：我要你给我做一个超高质量的 3D 冲浪游戏，要有竞速、有码头、有沙滩，画面质量要非常高，还要有鲨鱼，在浏览器里打开，用 three.js。慢慢做，不急。对，让它自己跑。现在它自己建了一个目标，然后就开始干活了。它的设计我觉得真的很好。这些不同的功能，某种程度上都在帮本地模型跑得更好。
对，我挺喜欢 OMP 的。我会说它是 A，但它太臃肿了，到不了 S。而且它烧 token 烧得离谱，不过我一开始用到现在已经好一些了。
Amp 也一样，真的很好。如果你还没试过 Amp，其实没多少人试过，但它非常有主见，这是件好事。这就是 Amp 这个外壳，它们有 handoff 这种机制，基本上由它们决定你在什么阶段该用哪个模型。它有个聪明模式、一个快速模式，什么都替你配好了，这就是 Amp。
然后 Z Code 是我第一个拿来跑本地模型还不错的 harness，它是桌面应用，因为它有个连接方式，你可以扫个二维码，它就在浏览器里打开并配对，所以我可以直接在浏览器里用。有很长一段时间，这是唯一一个能这么轻松用本地模型的办法。它们有目标、有循环，基本上和 Codex 很像，Codex 有的东西它都有。它们的模型非常好，我会说它们的模型属于最顶尖那一档。它们确实会送很多免费 token 和重置次数之类的，所以性价比很高。GLM 5.3 在智能程度和处理复杂任务的能力上，绝对是前沿级别的。
试过但不推荐的：Kimi Code、Crush、OpenClaw
0xSero：Kimi Code 我试过，bug 特别多，我的用量额度没撑多久，这个就不细说了。
0xSero：Crush 我很久以前也试过。它很好看，界面真的漂亮，但性能不太行。当时它特别慢，也不好用，不过现在可能已经好很多了。
0xSero：不知道你们有多少人用过 OpenClaw。我是在 Hermes 还不存在的时候就先用了 OpenClaw，不过现在有 Hermes 了。我觉得 Hermes 是个不错的 B 级，我很喜欢 Hermes，但它实在是太臃肿了；我知道你可以把东西裁掉，但它默认状态就非常臃肿。对，就是很臃肿，不过它比 OpenClaw 强。我给我家里人装在 Discord 里，平时用它处理一些很基础的事，它塞的东西太多，我不喜欢这一点。
比起这些助手型智能体，我更喜欢编程智能体。DeepSea Harness 是 S 级。不知道你们有多少人用过 DeepSea Harness，它的构建方式真的非常惊人：它很简单，你可以把所有的连接都接进去，你的各种智能体、模型、不同的订阅。而且它的缓存命中率非常高——这边缓存命中率低，是因为它一直在淘汰内容。我举个例子，在本地 AI 上，97% 的缓存命中率是非常好的。你能看到我很轻松就跑出 6000 万 token 的会话；对我来说，这就是我一直在用的东西，现在已经快到 1 亿 token 的会话了。
把我各个提供方在 tailnet 上的当前配置拉出来，从 DeepSea Harness 或者 Z Code 那边拉都行，反正有个文件可以拿——别泄露出去，也别念出来。然后把它放进你刚做的这个新应用里，把应用启动起来，我来测一下。
DeepSea Harness与SiteGeist：我现在的日常组合
0xSero：总之，DeepSea Harness 是目前最好的桌面应用，真的很好用。我又用上 SiteGeist 了——SiteGeist 是我自己 fork 的一个浏览器外壳，但对我来说非常好用：智能体可以用它，我也可以用。如果有什么需要视觉上完成的事，我就用这个外壳。
0xSero：如果我想让事情通过编程智能体来完成，它们就直接开会话。你能看到这里，这个是 DeepSea Harness 开的会话，用来找有什么可以推荐给我的东西。希望这说得通。但我把它和 DeepSea Harness 一起用，整个过程又顺又爽，我特别喜欢。
Grok build，就是 Grok，怎么说呢，我用过，挺好看的，但对我没什么吸引力。它好在哪呢？Cursor 好像稍微好一点，更成熟，模型选择更多，价格也差不多。我觉得 Grok 做得好的是 Grokbot，那个肯定能成。如果他们能让 Grok build 和 Grokbot 无缝协作，那会很有意思，但它们挺贵的，模型也没那么好。我说不上来，我就是看不到这两个的价值。Devin 我没好好试过，所以我不把它算进去。然后这个就是跟 Z Code 一样，模型自己搞错了。那有没有人不同意这个榜单，或者想补充别的 harness？
听众A：我倒是有一个，但它是自己做的，其实不算外壳，它只是把所有的外壳都用起来。
0xSero：明白了。那些元外壳也都很好，我自己也用了不少这种外壳。但它的摊子铺得太大了。我觉得我工作的一部分就是测评这些东西，所以我必须用，但东西实在太多了。
听众A：对我来说，核心的想法就是，你老是得为了不同的 harness 切到不同的界面、不同的地方去。与其换来换去，不如全放在一个地方，在那个会话里你直接挑想用的 harness 就行，尤其如果它们都在同一个 tailnet 里，也就是 Tailscale 的网里，那就更省事了。
0xSero：我明白你的意思。对，它没法同时跑多个服务商。但在 DSH，也就是 DeepSea Harness 里，你可以跑所有服务商，任何服务商、任何订阅，我觉得都行，可能 Anthropic 除外，但也不是弄不了。
另外还有个东西叫 CLI Proxy API，不知道你们有多少人听说过，就是一个小命令行工具。你用你在用的 harness、你付了钱的订阅登进去，可以全部登一遍，然后它把这些都暴露成一个接口，你连上去就能用。希望我说清楚了。所以你能把所有订阅捆在一起，还能做故障切换：如果你有好几个云端订阅，全登进去，它会自动切到下一个。然后你把那个 API 配到某个地方，任何 harness 都能用它。挺有意思的，现在它们能帮你解决的问题是真多。
你能看出来 DeepSeek 搭东西有多细，这就是我喜欢它的地方。我给它一个 prompt，它就开始猛干，每个细节都照顾到，什么都想一遍，搭出来的东西全都测一遍。它做 3D 特别强，你也能看到它是怎么规划工作的，非常非常好。我挺喜欢 Droid 的，但我觉得它得再稳定一点，我用它性能问题很多，用起来有点费劲。这个 harness 好是因为那个 quarters v4 框架吗？我不知道 quarters v4 是什么。比起来 Astra 还行，但它经常忽略一半的东西。对，Astra 是我这几个月用过最差的模型，太烂了。它基本什么都干不了，就坐在那绕圈，什么都测，一直在原地打转，我觉得它挺没用的。Sol 6.1 大概有点意思，但话说回来，我也不知道。如果 Opus 就能把活干了，我干嘛还要……对，它很糟，我觉得它只是还需要时间，他们应该能调好。
它现在只用 PyPI 和 API，另外 LM Studio 现在也在改，所以我把 DeepSeek 放在这儿，它正在重建 LM Studio。它先是搭在 T3 code 上，这就是 T3 code 里的 LM Studio。我这边有本地那个标签页，我现在先不点，也许等下可以。对，还是有点小 bug，我就是在试，但我不想再自己搭 harness 了。我只想做连接器那部分：我有我的推理，还有我用的这一堆 harness，我怎么让我的推理跟这些 harness 对接上？看看它做到哪一步了。
你的硬件不管是啥，如果它跑起来就这么慢，你可以放到晚上用 goals 和 loops 跑。自动化也很好用。所以我觉得自动化和循环是本地推理最主要的价值。别的地方当然也能用，但你要是想用 Codex 跑一整天的 goals，开销涨得飞快，可能得开六个订阅。你为什么要放弃自己搭 harness？因为我并不那么在乎这件事。我在乎的是把推理接进各种 harness 里。我不太想自己搭，我觉得 DeepSeek 和 Pi 做得够好了，Plotter 也做得够好了。你会试 Devin 吗？我觉得不会。
0xSero：现在这些东西都能跑，所以我跳来跳去的，但东西能用就行，我希望它们一直能用。对，现在做 harness 的聪明人太多了。
harness会合并，模型太多，算力被agent吃紧
0xSero：模型也太多了，多得跟一船一样，真值得展示一下。我觉得差不多讲完了，我们都聊了一个多小时。Manus 很好，刚出来的时候真的很好，是个很棒的浏览器 Agent，我以前拿它做研究任务。还有别的问题吗？我大概还有四分钟就得收尾了。
DeepSeek v4.1 Flash 是跑在 RTX PRO 6000 上的，不是 DGX Spark。DGX Spark 现在跑的是 Step 5，挺慢的，因为还没优化。我有四台，一般一次用两台，两台干一件事，两台干另一件事。但过去这一个月，我一直拿它们做研究，在上面跑量化、做量化模型，它干这类活还挺好的。
我觉得 AI 下一步的进展会在普通人用例上。现在 AI 有十亿用户甚至更多，但真正用过 Agent 的只有大概两千五百万到三千万人。这是个必须解决的入门问题：怎么让普通人上手用 Agent 来改善生活。问题是他们自己也不知道该怎么做，不是每个人都学过计算机，也不是每个人都爱折腾这些。
0xSero：那怎么解决这个入门问题？而且他们上手之后，算力从哪来？因为这些公司现在在硬件上吃紧，主要是因为 Agent，不是因为 AI。AI 本身挺便宜的，问题是当你跑 goals、跑子代理、跑群体协作这些东西的时候，服务器真的扛不住，你还得处理缓存。
0xSero：几千万人不断被挤出去，因为他们生成的内容太多了，这是一点。另一点是机器人，现实世界里的应用。机器人这块我们还没看到太多东西。但很快我们会有一些好的机器人公司，做出几百美元或者几千美元的东西。我已经去过几个地方，比如这些是机械臂，有手，能干那种难的、跟手有关的活。现在它们在训练，也在量产。这些东西要真正进入现实世界还需要时间，但你甚至可以用 VR 头显去控制它们。这是我跟机器人在一起，它们用的是 DGX Spark 和 Jetson AGX Thor 来做这件事，所以机器人这块我们会看到更多东西。
然后我觉得网络安全威胁也会更多。对，我在手机上跑过模型，iPhone 15 Pro Max，跑的是 LFM Liquid AI 2.6B，所以现在 iPhone 上确实能跑，安卓可能也行。它们有点太笨了，因为一般就二十亿到四十亿参数，所以挺笨的。
非常感谢大家抽时间过来，希望这些内容有帮助、有用。我尽量把这些做得有教育意义一些。
0xSero：祝你今天剩下的时间过得愉快。
原视频：AI Agent Tierlist
https://www.youtube.com/watch?v=c9l0CYY1v6w
中文播客：在小宇宙App搜《硅谷对谈》，或直接访问下面的链接
https://www.xiaoyuzhoufm.com/episode/6ad0851ae742e36efcc35b93
编译：磊哥Thomas